کتاب مدل‌سازی مبتنی بر ریسک برای داده‌های طبقه‌بندی شده با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی مبتنی بر ریسک برای داده‌های طبقه‌بندی شده

موضوع کلی: اقتصادسنجی مالی (Financial Econometrics)

موضوع میانی: مدل‌های اقتصادسنجی برای تحلیل داده‌های طبقه‌بندی شده (Stratified Data)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌های طبقه‌بندی شده در اقتصادسنجی مالی
• 2. اهمیت مدل‌سازی مبتنی بر ریسک در داده‌های طبقه‌بندی شده
• 3. انواع داده‌های طبقه‌بندی شده در بازارهای مالی
• 4. روش‌های نمونه‌گیری از داده‌های طبقه‌بندی شده
• 5. آمار توصیفی برای داده‌های طبقه‌بندی شده
• 6. تکنیک‌های پیش‌پردازش داده‌های طبقه‌بندی شده
• 7. مفهوم ریسک در مدل‌سازی داده‌های طبقه‌بندی شده
• 8. اندازه‌گیری ریسک در داده‌های طبقه‌بندی شده: ارزش در معرض ریسک (VaR)
• 9. اندازه‌گیری ریسک در داده‌های طبقه‌بندی شده: Expected Shortfall (ES)
• 10. آزمون‌های فرضیه برای ریسک در داده‌های طبقه‌بندی شده
• 11. مدل رگرسیون لجستیک برای داده‌های طبقه‌بندی شده
• 12. مدل Probit برای داده‌های طبقه‌بندی شده
• 13. مدل‌های چندنامه‌ای لجستیک (Multinomial Logistic Models)
• 14. مدل‌های ترتیبی لجستیک (Ordinal Logistic Models)
• 15. مدل‌های انتخاب نمونه (Sample Selection Models)
• 16. مدل‌های متغیرهای ابزاری (Instrumental Variables Models)
• 17. مدل‌های اثر ثابت و اثر تصادفی برای داده‌های طبقه‌بندی شده
• 18. مدل‌های پانل داده با ساختار طبقه‌بندی شده
• 19. مدل‌های سری زمانی با ساختار طبقه‌بندی شده
• 20. مدل‌های GARCH برای داده‌های طبقه‌بندی شده
• 21. مدل‌های ارزش‌گذاری دارایی مبتنی بر ریسک برای داده‌های طبقه‌بندی شده
• 22. مدل‌سازی ریسک اعتباری با داده‌های طبقه‌بندی شده
• 23. مدل‌سازی ریسک بازار با داده‌های طبقه‌بندی شده
• 24. مدل‌سازی ریسک عملیاتی با داده‌های طبقه‌بندی شده
• 25. مدل‌سازی رفتار سرمایه‌گذاران با داده‌های طبقه‌بندی شده
• 26. تکنیک‌های کاهش ابعاد برای داده‌های طبقه‌بندی شده
• 27. روش‌های ارزیابی مدل‌های مبتنی بر ریسک
• 28. اعتبارسنجی مدل‌های مبتنی بر ریسک با استفاده از داده‌های خارج از نمونه
• 29. بررسی حساسیت مدل‌های مبتنی بر ریسک
• 30. تحلیل سناریو در مدل‌سازی مبتنی بر ریسک
• 31. استفاده از یادگیری ماشین در مدل‌سازی ریسک برای داده‌های طبقه‌بندی شده
• 32. شبکه‌های عصبی برای مدل‌سازی ریسک در داده‌های طبقه‌بندی شده
• 33. درخت‌های تصمیم و جنگل‌های تصادفی برای داده‌های طبقه‌بندی شده
• 34. ماشین‌های بردار پشتیبان (SVM) برای داده‌های طبقه‌بندی شده
• 35. مدل‌سازی ریسک با استفاده از داده‌های Big Data
• 36. کاربردهای مدل‌سازی مبتنی بر ریسک در مدیریت پورتفوی
• 37. کاربردهای مدل‌سازی مبتنی بر ریسک در قیمت‌گذاری مشتقات
• 38. کاربردهای مدل‌سازی مبتنی بر ریسک در مدیریت ریسک بانکی
• 39. مدل‌سازی ریسک در بازار ارز با داده‌های طبقه‌بندی شده
• 40. مدل‌سازی ریسک در بازار سهام با داده‌های طبقه‌بندی شده
• 41. مدل‌سازی ریسک در بازار کالا با داده‌های طبقه‌بندی شده
• 42. برنامه‌نویسی در R برای مدل‌سازی مبتنی بر ریسک
• 43. برنامه‌نویسی در Python برای مدل‌سازی مبتنی بر ریسک
• 44. نرم‌افزارهای اقتصادسنجی برای مدل‌سازی مبتنی بر ریسک